内部表征而非临床知识：显现 LLM triage 失效的根源

患者叙述的临床 triage 基准报告显示，消费者大语言模型在受限多选输出格式下存在较高的漏诊率，但相同案例在自然语言格式下得分不同。我们询问输出格式是否改变模型的临床表征，或仅改变从保存表征到答案的映射。利用 Gemma 3 4B/12B IT 和 Qwen3-8B 中的稀疏自动编码器（SAE）特征，我们发现两种格式下相同医学特征在共享临床叙述中均会激活，但在多选决策词元处所有模型的所有案例中均变为静默状态。三个独立方法（自然语言自动编码器 verbalization、决策词元 logit 归因和主导特征特征征）一致表明，脚手架和格式特征而非医学特征驱动决策 logit。行为上，多选惩罚在两种结构化和自然语言输入下均会反转，选项顺序随机化排除了位置偏见，差距主要由 off-by-one 决策（模型挑选相邻 acuity 字母作为金标准答案）而非知识缺失所致。因此，该失效源于输出格式而非临床表征。